前向神经网络学习速率的自适应算法

学习速率是控制神经网络学习过程的一个重要参数,影响神经网络的稳定性和快速性。提出了一种能够满足实时性要求的神经网络学习速率的自适应算法,并证明了在该学习速率下,神经网络的学习过程是Lyapunov意义稳定的。该方法通过为神经网络的输出增加一个输出修正量来补偿多个未知因素对学习误差的影响,从而构造使学习误差快速收敛到零的学习速率自适应算法。通过对神经网络在线逼近一个非线性对象的过程进行仿真,结果证明了该方法的有效性。     

论不动产善意取得制度之完善

不动产善意取得制度经历了从“手护手原则”发展到《德国民法典》关于不动产善意取得制度的真正确立。不动产善意取得制度是以其特定的价值和物权公示、公信原则为基础的,其根本目的是为了保护日渐频繁的交易的安全。而在我国,《物权法(三审草案)》中就不动产善意取得制度作出了初步的规定,但笔者认为该规定有瑕疵,并提出了自己的一些见解。     

一种旋转调制惯导系统的复合旋转控制算法

首先分析了旋转平台控制误差对惯导系统(inertial navigation system, INS)调制效果的影响;然后建立了旋转平台的数学模型,结合旋转调制误差抑制效果对控制性能的要求,提出了一种自抗扰和滑模变结构相结合的复合旋转控制方法,该方法充分利用了滑模变结构控制快速减小误差的优势和自抗扰控制的精确估计能力,并设计了融合策略。仿真和实验结果表明,相比于传统PID控制方法,本文方法减小了旋转平台转速控制误差,且使反向角度超调误差和调节时间都减小了50%以上,提高了旋转调制惯导系统的性能。     

不确定挠曲变形干扰下基于多模型滤波的传递对准方法

挠曲变形是影响传递对准精度的重要因素之一,在对准过程中载体的机动会引起挠曲变形模型较大的参数误差和系统模型噪声统计特性的不确定性,现有基于单一模型的滤波方法在解决这类问题时存在局限性。针对以上问题,提出了一种基于不确定挠曲变形参数变化模型集的多模型滤波对准方案,以“速度+姿态”的匹配模式为例进行仿真分析。结果表明,所提出的对准方法同基于单一模型的对准方法相比提高了对准精度和算法的环境适应性,是解决存在不确定挠曲变形干扰下的传递对准问题的一种有效方法。     

基于模糊逻辑和GA的智能车辆横向控制算法仿真研究

控制器设计可看作一个结构和参数搜索与优化的过程。本文以模糊逻辑(FL)为控制策略，以T-S模糊神经网络(FNN)为控制结构，以遗传算法(GA)为参数搜索和优化工具，给出一种智能车辆横向运动控制器自动设计算法，并通过计算机仿真实现。结果表明，所设计的控制器具有较好的控制性能，能够有效地解决智能车辆横向运动中的非线性和参数时变性问题。     

限制搜索区域的距离最短路径规划算法

提出一种时间复杂度为O(n)的限制搜索区域距离最短路径规划算法(n为路网节点数).算法设计的基础是,经典Dijkstra算法搜索时的无方向性及实际城市道路网络特有的空间分布特性.算法实现采用邻接表数据结构和限制搜索区域的搜索机制,即利用实际城市道路网络的空间分布特性,合理限制算法的搜索区域.结合路径规划算法在实时车辆导航系统中的实际应用,给出了该算法的应用实例,实验结果表明,该算法能将路网中任意两点间的最短路径解算时间控制在3 s以内.     

一种适于车辆导航系统的快速地图匹配算法

在分析影响地图匹配算法实时性、鲁棒性及匹配精度因素的基础上,依据车辆运动的连续性,引入道路网络的分块思想,并利用车辆行驶的位置、方向信息及实际道路网络的拓扑特性,提出一种时间复杂度为O(c)的快速地图匹配算法.对实际跑车数据的仿真结果表明,该算法的匹配正确率不低于95%,单点匹配时间不超过0.01 ms.     

前向神经网络学习速率的白适应算法

学习速率是控制神经网络学习过程的一个重要参数，影响神经网络的稳定性和快速性．提出了一种能够满足实时性要求的神经网络学习速率的自适应算法，并证明了在该学习速率下，神经网络的学习过程是Lyapunov意义稳定的。试方法通过为神经网络的输出增加一个输出修正量来补偿多个未知因素对学习误盖的影响，从而构造使学习误差快速收敛到零的学习速率自适应算法。通过对神经网络在线逼近一个非线性对象的过程进行仿真，结果证明了该方法的有效性。     

一种圆锥壳型振子式陀螺的信号提取方法

针对一种具有圆锥壳型敏感结构的固体振动陀螺提出了一种信号提取方法,这种圆锥壳型敏感结构取消了电极间的隔离孔.首先对陀螺原理进行了分析,设计了陀螺的硬件处理系统和软件算法.振子激励信号通过独立的DDS模块产生.振动信号经模拟滤波器处理后被采样,在DSP中完成控制与解算.讨论了取消隔离孔后敏感轴电极的正交干扰问题,结合实验结论,提出利用振动信号的相位信息计算输入角速率,为新型谐振陀螺的制作提供参考.      

匹配信息丢失条件下传递对准方法研究

针对传递对准过程中匹配信息的丢失会导致对准滤波器的估计误差过大甚至发散的问题,提出了一种基于改进无迹卡尔曼滤波（UKF）方法的舰载传递对准方案. 该方法通过在滤波器的更新方程中设置一个控制变量,根据当前时刻是否存在匹配数据丢失的判断结果对滤波更新过程进行相应处理,并对所提对准算法的估计误差的有界性进行了分析. 在几种不同等级的匹配信息丢失率的情况下,所提出的方法均能够以较高精度完成对姿态失准角的估计. 仿真结果表明了该方法的有效性.